Wyniki wyszukiwania - BazTech

Ograniczanie wyników

2 Rudy i Metale Nieżelazne

2 2006

Powiadomienia systemowe

Sesja wygasła!
Sesja wygasła!
Sesja wygasła!
Sesja wygasła!
Sesja wygasła!
Sesja wygasła!
Sesja wygasła!

Znaleziono wyników: 2

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Wykorzystanie technik sztucznej inteligencji do optymalizacji zawiesinowego procesu otrzymywania miedzi

Talar J., Stanisławczyk A., Jarosz P., Kusiak J., Gostyński Z., Haze D., Wroński P.

Rudy i Metale Nieżelazne

2006

R. 51, nr 12

736-741

Wytop miedzi w piecu zawiesinowym jest procesem bardzo złożonym [1, 2], a sterowanie nim w warunkach przemysłowych opiera się głównie na doświadczeniu technologów i operatorów pieca. Spotykane modele tego procesu [3÷6] są mało przydatne dla celów sterowania i optymalizacji ze względu na długie czasy obliczeń, jak również na znaczne uproszczenia. Przedstawiono ideę systemu umożliwiającego optymalizację procesu zawiesinowego wytwarzania miedzi opartego o narzędzia sztucznej inteligencji oraz eksplorację danych („data mining"). Do optymalizacji procesu wykorzystano metodę algorytmów genetycznych (AG) oraz model procesu oparty o sztuczne sieci neuronowe (SSN). Zastosowano optymalizację z dodatkowymi ograniczeniami sterujących parametrów wejściowych procesu. Ograniczenia te wyznaczono w wyniku analizy skupień przemysłowych danych pomiarowych. Przedstawiono wyniki optymalizacji wybranych parametrów procesu zawiesinowego.

The objective of the work is optimisation of the copper flash smelting process using the techniques based on artificial inteligence and data mining. The copper flash smelting process is very complex [1, 2]. In the industrial conditions, the control of the process is based on the experience of engineers and operators. The existing models of the process [3÷6] are useless from the automatic control system point of view, because of the long computation time and low accuracy. In the paper, the results of optimisation of the chosen process parameters are presented. The genetic algorithm (GA) and artificial neural networks (ANN) model were used to optimisation of the process. In this work, the optimisation with additional constraints of the input process parameters was applied. These constraints were obtained in the result of the clustering of industrial data.

Piec zawiesinowy Huty Miedzi Głogów. Wyzwania techniczne i technologiczne motorem jego modernizacji

Gostyński Z., Haze D., Szymański S.

Rudy i Metale Nieżelazne

2006

R. 51, nr 7

393-396

Artykuł jest historycznym przeglądem 28-letniego okresu istnienia pieca zawiesinowego Huty Miedzi GŁOGÓW. Przedstawiono w nim genezę jego powstania oraz szereg zmian technicznych i technologicznych, jakie w opisywanym okresie wpr-wadzono w odpowiedzi na wyzwania produkcyjne i kosztowe. Artykułem tym autorzy uzasadniają tezę, że ciągłe doskonalenie „polskiego” pieca zawiesinowego stawia go na czele najnowocześniejszych agregatów hutniczych w świecie.

The paper is a historical cross-section through a 28-year period of operation of the direct-to-blister Flash Smelting Furnace in the KGHM Głogów Copper Plant. It presents the origin of the furnace as well as the path of numerous changes and modifications both in technology and process introduced in the furnace in response to the production and cost-reduction challenges. The authors provide justification of the statement that continuous improvement of the “Polish” Flash Smelting Furnace has ranked it among the most modern smelting units in the world.